PENGELOMPOKAN ALGORITMA K-MEANS PADA PRODUK PENJUALAN TOKO FOMO TRENZ

Novita Sari; Heliyanti Susana; Ade Rizki Rinaldi; Kaslani .; Indra Wiguna Marthanu

Authors

Novita Sari STMIK IKMI Cirebon, Indonesia
Heliyanti Susana STMIK IKMI Cirebon, Indonesia
Ade Rizki Rinaldi STMIK IKMI Cirebon, Indonesia
Kaslani . STMIK IKMI Cirebon, Indonesia
Indra Wiguna Marthanu STMIK IKMI Cirebon, Indonesia

Keywords:

Data Mining, K-Means Clustering, Penjualan Thrift, Pengelompokan Produk

Abstract

Pengelolaan data penjualan secara sistematis diperlukan untuk mendukung pengambilan keputusan yang efisien dalam usaha ritel. Toko Fomo Trenz sebagai usaha ritel thrift memiliki variasi produk dengan tingkat penjualan yang berbeda, namun belum memiliki pengelompokan produk berdasarkan performa penjualan. Penelitian ini bertujuan untuk menerapkan algoritma K-Means dalam mengelompokkan data penjualan thrift serta menganalisis hasil pengelompokan tersebut sebagai dasar pengelolaan stok yang lebih efisienData yang digunakan merupakan data transaksi penjualan Toko Fomo Trenz periode Mei hingga Oktober 2025 dengan atribut kuantitas, frekuensi beli, total belanja, dan jumlah item. Metode penelitian menggunakan tahapan Knowledge Discovery in Databases (KDD) yang meliputi seleksi data, praproses, transformasi, data mining, dan evaluasi. Proses pengelompokan dilakukan menggunakan algoritma K-Means, sedangkan evaluasi kualitas cluster menggunakan Davies–Bouldin Index (DBI).Hasil penelitian menunjukkan bahwa algoritma K-Means berhasil mengelompokkan data penjualan ke dalam beberapa cluster dengan karakteristik yang berbeda. Nilai DBI terendah diperoleh pada K = 3 sebesar 0,111, yang menunjukkan kualitas pengelompokan terbaik. cluster yang terbentuk merepresentasikan produk dengan performa penjualan tinggi, sedang, dan rendah. Hasil ini dapat digunakan sebagai dasar pendukung pengambilan keputusan dalam pengelolaan stok thrift secara lebih terarah dan berbasis data.

References

Allorerung, P. P., Erna, A., & Bagussahrir, M. (2024). Analisis Performa Normalisasi Data untuk Klasifikasi K-Nearest Neighbor pada Dataset Penyakit. 9(3), 178–191.

Ananda, R. A., Maulita, Y., & Khair, H. (2024). Clustering Menggunakan Algoritma K-Means untuk Mengelompokan Data Perjudian Berdasarkan Wilayah di Kota Binjai ( Studi Kasus : Pengadilan Negeri Binjai ) Pengadilan Negeri Binjai banyak menangani kasus perjudian berbagai macam pekerjaan , jenis perjudian dan wilayah perjudian , maka diperlukan suatu teknik data mining. 5.

Astuti, W. A., Indonesia, U. K., Komala, A. R., Indonesia, U. K., Ambarwati, D. T., & Indonesia, U. K. (2022). MENINGKATKAN VOLUME PENJUALAN DENGAN MENERAPKAN MARKETPLACE BAGI PELAKU UMKM DI INCREASING SALES VOLUME BY IMPLEMENTING MARKETPLACE FOR MSME PLAYERS IN THE COVID-19. 14(2), 140–147.

Dalimunthe, R. F., Putri, R. A., Komputer, S. I., Islam, U., Sumatera, N., Info, A., Mining, D., Clustering, K., & Clothing, W. (2024). Data Mining on Women ’ s Clothing Sales in Market Places with the K-Means Clustering Algorithm. 7(2), 476–484.

Dermawan, H. D., Kurniawan, R., & Wijaya, Y. A. (2024). CESS Analisis Data Penjualan Menggunakan Algoritma K-Means Clustering Pada Toko Daun Indah Di Shopee Analysis of Sales Data Using K-Means Clustering Algorithm at Daun Indah Shop in Shopee. 9(1), 175–191.

Engineering, S. (2022). The Effect of Data Normalization on the Performance of the Classification Results of the Backpropagation Algorithm Pengaruh Normalisasi Data Terhadap Performa Hasil Klasifikasi Algoritma Backpropagation. 2(1), 67–72.

Fauzi, I. F., Resmi, M. G., & Hermanto, T. I. (2023). Penentuan Jumlah Cluster Optimal Menggunakan Davies Bouldin Index pada Algoritma K-Means untuk Menentukan Kelompok Penyakit. 7(2), 1–15.

Filki, Y. (2022). Jurnal Informatika Ekonomi Bisnis Algoritma K-Means Clustering dalam Memprediksi Penerima Bantuan Langsung Tunai ( BLT ) Dana Desa. 4, 6–9. https://doi.org/10.37034/infeb.v4i4.166

Fithri, F. A., & Wardhana, S. (2019). CLUSTER ANALYSIS OF SALES TRANSACTION DATA USING K-MEANS CLUSTERING AT TOKO USAHA MANDIRI. 113–118.

Frandika, I., Hud, S. B., & Handoko, W. (2025). Penerapan K-Means Clustering Untuk Segmentasi Penjualan Di Minimarket Mardi Dengan Pendakatan Machine Learning. 3(September), 174–182.

Handayanto, A., & Dewanto, F. M. (2025). Penerapan Algoritma K-Means Clustering dalam Analisis Pengelompokan Produk Toko Oleh-Oleh Berdasarkan Data Penjualan. 6(4), 1816–1825. https://doi.org/10.47065/josh.v6i4.7832

Hei, C. V, & Indonesia, P. (n.d.). PENERAPAN DATA MINING DI BERBAGAI.

Hellyana, C. M., & Fadlilah, N. I. (2023). Penerapan Algoritma K-Means Terhadap Kunjungan Wisatawan Asing Di Hotel Berbintang di Indonesia. 11(1), 67–77.

Indofarma, D. P. T. (2024). Jurnal Bisnis Net Volume : 7 No . 1 Juni 2024 | ISSN : 2621 -3982 EISSN : 2722- 3574 ANALISIS PERBANDINGAN PENJUALAN PADA PT . SIDO MUNCUL , TBK Universitas Dharmawangsa Jurnal Bisnis Net Volume : 7 No . 1 Juni 2024 | ISSN : 2621 -3982 Tabel 1 . Data penjualan PT . SIDO MUNCUL Tbk dan PT INDOFARMA Tbk . ( Disajikan Dalam Satuan Jutaan Rupiah , Kecuali Dinyatakan Lain ) PT . SIDO MUNCUL TBK PT . INDOFARMA TBK ( Rp ) ( Rp ) Universitas Dharmawangsa. 1, 209–219.

Indriyani, F., & Irfiani, E. (2019). Clustering Data Penjualan. Jurnal Informatika, 7(2), 109–113.

Kristanto, B. K., Widyayuningtias, S., Listio, P., Amien, M., & Baskoro, P. I. (2024). Visit Recommendation Model : Recursive K-Means Clustering Analysis of Retail Sales Data. 8(1), 221–225.

Manajemen, J., Krisnadwipayana, B., Suwandi, R. S., & Setiorini, A. (2022). Pengaruh promosi dan kualitas produk terhadap penjualan produk starbucks jatiwarna kota bekasi. 10(1).

Mandang, S. F., & Sari, B. N. (2021). Penerapan K-Means Cluster pada Daerah Penggunaan Teknologi di Indonesia. 6(1), 131–138. https://doi.org/10.33633/joins.v6i1.4545

Mulyo, I. A., & Heikal, J. (2022). Customer Clustering Using The K-Means Clustering Algorithm in Shopping Mall in Indonesia.

Nugroho, B. I., & Arif, Z. (2022). Tinjauan Pustaka Sistematis : Penerapan Data Mining Metode Klasifikasi Untuk Menganalisa Penyalahgunaan Sosial Media. 3(2), 46–51.

Produk, M., Di, T., Titian, P. T., Boga, N., Wahyudi, T., Sa, N., & Puspitasari, D. (2023). Penerapan Metode K-Means Pada Data Penjualan Untuk. 5(1), 228–236.

Ramadhan, A. I., Atika, P. D., & Ramdhania, K. F. (2025). Analisis Clustering K-Means untuk Pemetaan Tingkat Pengangguran Terbuka di Provinsi-Provinsi Indonesia Tahun 2013-2023. 5(2), 109–122.

Rochmawati, M., Wisnu, G., Bagaskara, C., Adha, I. A., Umaidah, Y., Voutama, A., Studi, P., Informasi, S., Komputer, I., Singaperbangsa, U., Jalan, K., Ronggo Waluyo, H. S., Timur, T., Karawang, K., & Barat, J. (2024). Implementasi Algoritma K-Means dalam Klasterisasi Penjualan pada Sebuah Perusahaan menggunakan Metodologi KDD. 13, 54–62.

Sholeh, M., Aeni, K., Informatika, P. S., Informatika, P. S., Sains, F., Peradaban, U., & Bouldin, D. (2023). PERBANDINGAN EVALUASI METODE DAVIES BOULDIN , ELBOW DAN SILHOUETTE PADA MODEL CLUSTERING DENGAN. 8(1).

Sumatera, D., Menggunakan, U., Fani, Y., Yani, S., Gunawan, I., Hartama, D., & Okta, I. (2021). Penerapan Data Mining Untuk Pengelompokan Penyebaran Covid-19. 1(2), 109–132.

Susilo, A. (2024). EVALUASI EFEKTIFITAS ALGORTIMA K-MEANS DAN DBSCAN DALAM CLUSTERING DATA RUMAH SAKIT UNTUK. 19(1), 43–51.

Worabai, E., Hendi, A., & Hidayat, T. (2023). Pendahuluan Tahapan Pengumpulan Data Tahapan Analisis Data Metode Penelitian. 22(September), 441–448.